Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: KATHARINE PADILHA DE PAULO
DATA: 21/12/2021
HORA: 14:00
LOCAL: Virtual - Google Meet: https://meet.google.com/vdh-sath-bvn
TÍTULO: Avaliação de desempenho para elasticidade de ambientes conteinerizados: Estudo experimental e de modelagem do Kubernetes
PALAVRAS-CHAVES: Computação em nuvem, microsserviços, Docker, avaliação de desempenho, modelagem analítica, virtualização baseada em contêiner
PÁGINAS: 77
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
ESPECIALIDADE: Teleinformática
RESUMO:

A arquitetura de microsserviço se tornou uma tendência para o desenvolvimento e implantação de aplicações em nuvem devido à sua capacidade de reduzir a complexidade do serviço e aumentar a elasticidade. Os contêineres surgiram como uma alternativa às máquinas virtuais e, juntamente com ferramentas como o Kubernetes, têm potencializado o uso de microsserviços. O provisionamento e o desprovisionamento de recursos é um fator chave para obter elasticidade e, consequentemente, disponibilidade e capacidade de resposta em aplicações em nuvem. Portanto,a instanciação eficiente de contêineres é um requisito para se obter elasticidade de aplicações na web. Este estudo analisa o desempenho da instanciação de contêineres e do mecanismo de escalonamento automático do Kubernetes. No processo de instanciação de contêineres, foram considerados fatores como tamanho da imagem e armazenamento em cache. Os resultados do experimento indicaram que os tamanhos das imagens tiveram um grande impacto no tempo de instanciação com baixos níveis de cache. Este estudo apresenta um modelo de Cadeia de Markov,um modelo de Rede de Petri Não Markoviana e um modelo de Rede de Petri Estocástica usando aproximação por fases através da técnica moment matching. Uma análise de sensibilidade realizada com os modelos de desempenho da instanciação de contêineres mostra uma relação linear entre o tempo de instanciação, o tamanho da imagem e o cache. A análise verificou o impacto de cada fator no tempo total de resposta, indicando estratégias para melhorias de desempenho. O modelo SPN proposto com aproximação por fases consegue uma melhor representação do comportamento real do sistema, ajustando os dados obtidos nos experimentos não apenas nos valores médios, mas na distribuição geral do tempo de resposta. Além disso, este estudo também apresenta um modelo de Rede de Petri Estocásticas para representar o mecanismo de escalonamento automático do Kubernetes. O modelo inclui monitoramento, dimensionamento, admissão e processamento. O modelo foi analisado por meio de simulação transiente e estacionária para as seguintes métricas: para o número médio de Pods no período e utilização média do período. Uma análise de sensibilidade foi realizada para analisar a relação entre quantidade média de pods, quantidade de usuários, tempo de serviço, e intervalo entre requisições. A análise mostrou queo aumento da carga, seja devido ao aumento da quantidade de usuários ou da taxa de entrada, implica em um escalonamento mais rápido. Bem como o aumento de tempo de serviço. Com isso, pode-se observar que o modelo representa com sucesso o comportamento de dimensionamento automático do Kubernetes. Portanto, como a execução de análises what-if em ambientes deprodução não é uma tarefa fácil, ter um modelo preciso para avaliar o desempenho do sistema em diferentes cenários pode ser uma vantagem muito importante para administradores de sistemasem nuvem.

MEMBROS DA BANCA:
Presidente - 024.224.885-36 - RUBENS DE SOUZA MATOS JUNIOR
Interno - 020.924.245-05 - JEAN CARLOS TEIXEIRA DE ARAUJO
Externo ao Programa - 1287477 - RICARDO JOSE PAIVA DE BRITTO SALGUEIRO
Externo à Instituição - PAULO ROMERO MARTINS MACIEL